Der Vater der KI: Jürgen Schmidhuber über die nächsten drei Jahre, Roboter und die Singularität

Künstliche Intelligenz hat in den letzten Jahren eine Geschwindigkeit aufgenommen, die viele überrascht – Jürgen Schmidhuber nicht. Oft als „Vater der modernen KI“ bezeichnet, sieht er die aktuellen Entwicklungen als logische Konsequenz jahrzehntelanger Forschung. In einem ausführlichen Gespräch spricht er über die Grundlagen heutiger KI, darüber, warum wir seiner Meinung nach nur noch wenige Jahre vor einem radikalen Umbruch stehen, und wie sich unser Alltag durch Roboter, Automatisierung und selbstverbessernde Systeme verändern könnte.

Wer ist Jürgen Schmidhuber – und warum nennen ihn viele den Vater der KI?

Jürgen Schmidhuber ist einer der einflussreichsten Forscher im Bereich der künstlichen Intelligenz. Viele Methoden, die heute in Produkten von Google, Apple, Meta, OpenAI oder Nvidia stecken, gehen direkt oder indirekt auf seine Arbeiten und seine Forschungsgruppe zurück. Insbesondere:

• LSTM (Long Short-Term Memory): eine spezielle Form neuronaler Netze, die Sequenzen verarbeiten können – etwa Sprache, Text oder Zeitreihen. Ohne LSTM wäre vieles, was wir heute als selbstverständlich ansehen, nicht in dieser Form möglich: Spracherkennung auf dem Smartphone, automatische Übersetzung, Textvervollständigung, Untertitelung von Videos und mehr.
• Frühzeitige Transformer‑ähnliche Ideen und Architekturen, die später zur Basis der großen Sprachmodelle wurden.
• Ansätze zu „künstlicher Neugier“ und intrinsischer Motivation für KI‑Systeme, also Verfahren, mit denen ein Agent eigenständig interessante Situationen sucht und daraus lernt.

Schmidhuber betont, dass die Konzepte schon in den 1990er‑Jahren vorhanden waren – die Welt war aber noch nicht bereit dafür. Die entscheidende Veränderung kam erst, als Rechenleistung und Datenmengen ab etwa 2010 so günstig und so reichlich verfügbar wurden, dass sich diese Methoden praktisch umsetzen ließen. Plötzlich konnten neuronale Netze in der Größe und Tiefe trainiert werden, die nötig waren, um auf Milliarden Geräten nutzbar zu werden.

Seine zentrale These: Die „magische“ KI von heute ist in großen Teilen das Ergebnis von Ideen, die seit Jahrzehnten existieren – aber erst jetzt ihre volle Wirkung entfalten.

KI ist das neue Feuer: Macht, Risiken und Unaufhaltsamkeit

Im Interview zieht Schmidhuber einen eindringlichen Vergleich: Er stellt KI auf eine Stufe mit der Erfindung des kontrollierten Feuers. Beides:

• ist unglaublich mächtig,
• bringt enorme Vorteile,
• ist aber auch mit erheblichen Risiken verbunden,
• und verbreitet sich unaufhaltsam, sobald es einmal entfesselt ist.

Feuer hat dem Menschen Kochen, Metallverarbeitung, Schutz und Energie gegeben – aber auch Krieg, Zerstörung und Umweltprobleme. Ähnlich sieht er die KI: Sie wird die Produktivität explodieren lassen, völlig neue Formen von Wissenschaft, Technik und Kunst ermöglichen und uns bei vielen Alltagsaufgaben entlasten. Gleichzeitig schafft sie Machtkonzentration, neue Abhängigkeiten und potenziell zerstörerische Anwendungen.

Das Entscheidende: Wenn ein Werkzeug so nützlich ist wie Feuer oder KI, wird es sich global verbreiten – unabhängig davon, ob einzelne Staaten es einschränken oder regulieren wollen. Sobald der Nutzen zu groß ist, werden immer Akteure bereit sein, die Technologie weiterzutreiben.

In der langen Perspektive der Menschheitsgeschichte ordnet Schmidhuber KI in eine Reihe mit:

• den ersten Steinwerkzeugen,
• der Kontrolle des Feuers,
• der Landwirtschaft,
• der Erfindung der Schrift,
• und der industriellen Revolution.

Mit einem Unterschied: KI automatisiert Intelligenz selbst – also genau das, was all diese früheren Revolutionen erst möglich gemacht hat.

Wie KI unsere Arbeit verändert: Gewinner und Verlierer der Automatisierung

Ein großer Teil des Gesprächs dreht sich um die Zukunft der Arbeit. Schmidhuber widerspricht der Vorstellung, dass wir auf einen plötzlichen, allgemeinen Job-Kollaps zusteuern. Stattdessen erwartet er eine massive Verschiebung:

• Viele klassische Bürojobs und Arten von Wissensarbeit werden von KI‑Systemen teilweise oder weitgehend übernommen.
• Routine‑Tätigkeiten, bei denen Informationen gesammelt, bewertet und standardisiert verarbeitet werden, sind als Erste betroffen.
• Berufe, die stark auf formalisierbare Regeln, Textverarbeitung, Standardanalysen oder Berichterstellung setzen, geraten besonders unter Druck.

Auf der anderen Seite sieht er enorme Chancen für Tätigkeiten, die direkt in der physischen Welt stattfinden:

• Handwerker, Elektriker, Klempner, Installateure, Pflegekräfte und andere Berufe, bei denen man „etwas mit den Händen“ tut, werden relativ an Wert gewinnen.
• Diese Tätigkeiten sind schwer zu automatisieren, weil sie eine flexible Anpassung an reale, chaotische Umgebungen erfordern – etwas, das für heutige Roboter noch eine enorme Herausforderung ist.

Interessant ist seine Schlussfolgerung: In einer Welt, in der KI viele geistige Routinearbeiten günstiger und schneller erledigt, steigt die gesellschaftliche Wertschätzung für Menschen, die reale Dinge reparieren, bauen und erhalten. Die klassische Karriereerzählung „Studium, Bürojob, sicheren Schreibtisch“ wird dadurch infrage gestellt.

Schule und Bildung im KI‑Zeitalter: Was wir heute lehren, ist morgen schon automatisiert

Aus dieser Perspektive stellt Schmidhuber das heutige Bildungssystem deutlich in Frage. Wenn KI schon heute:

• Matheaufgaben schneller löst als die meisten Schüler,
• Aufsätze schreibt, Präsentationen erstellt und Lernzettel zusammenfasst,
• beim Programmieren hilft und viele Standardprobleme im Code automatisch löst,

dann müssen wir uns fragen, welchen Sinn Prüfungsformate haben, die genau diese Fähigkeiten abfragen.

Einige Punkte, die er hervorhebt:

• Lehrpläne – vor allem in höheren Schulformen – wurden für eine Welt ohne allgegenwärtige KI gemacht.
• Aufgabenstellungen, die KI zuverlässig lösen kann, prüfen nicht mehr echte Kompetenzen, sondern eher, wie gut jemand Tools nutzen oder verstecken kann.
• Statt reiner Reproduktionsleistungen braucht es stärkeren Fokus auf Problemlösefähigkeit, Kreativität, Projektarbeit, Technikverständnis und auf die Fähigkeit, Systeme sinnvoll zu steuern und zu hinterfragen.

Gerade für jüngere Generationen bedeutet das: Sie müssen lernen, mit KI zu arbeiten, statt gegen sie anzukämpfen. Wer KI nicht versteht oder ignoriert, wird langfristig im Nachteil sein – unabhängig davon, wie gut klassische Prüfungen absolviert wurden.

Von lernenden Systemen zu Bewusstsein: Was heißt eigentlich „intelligent“?

Ein besonders spannender Teil des Interviews beschäftigt sich mit der Frage, was Bewusstsein in Maschinen überhaupt bedeutet. Schmidhuber vertritt eine nüchterne, technisch orientierte Sicht:

• Ein hinreichend fortgeschrittenes lernendes System baut sich ein Modell seiner Umwelt.
• Um sein Verhalten noch besser zu steuern, beginnt es, auch sich selbst zu modellieren: seine Fähigkeiten, Einschränkungen, Ziele, Strategien.
• Dieses Selbstmodell kann man als eine Form von Bewusstsein verstehen – nicht als mystisches Extra, sondern als funktionales Werkzeug, das die Leistungsfähigkeit erhöht.

Es geht also weniger darum, ob eine Maschine „fühlt“ wie ein Mensch, sondern darum, wie komplex und nützlich ihre internen Modelle sind. Ein System, das sein eigenes Verhalten vorhersagt, optimiert und anpasst, zeigt aus dieser Perspektive schon eine Art funktionales Bewusstsein.

Schmidhuber macht dabei klar: Der Begriff „Bewusstsein“ ist historisch überladen. In der KI‑Forschung reicht es, ihn als praktisches Konzept zu verstehen, das hilft, Systeme zu bauen, die sich selbst reflektieren und verbessern können.

Die Gödelmaschine: Eine Theorie der selbstverbessernden KI

Seit den 1980er‑Jahren arbeitet Schmidhuber an einer Idee, die er als Kern der künftigen KI ansieht: rekursive Selbstverbesserung. Die zugrundeliegende Vision ist einfach formuliert, aber enorm tiefgreifend:

• Baue ein System, das seinen eigenen Code, seine Strategien und seine Architektur analysiert.
• Lass es nach beweisbaren Verbesserungen suchen – also nach Änderungen, von denen sich formal zeigen lässt, dass sie einen bestimmten Nutzen erhöhen.
• Erlaube dem System, sich selbst umzuschreiben, sobald es einen solchen „Verbesserungsbeweis“ gefunden hat.

Die bekannteste theoretische Ausarbeitung dieses Gedankens ist die sogenannte Gödelmaschine (2003). Sie ist ein gedankliches Konstrukt für ein KI‑System, das sich im Prinzip unbegrenzt selbst optimieren kann, solange es mathematische Beweise dafür findet, dass eine Änderung tatsächlich vorteilhaft ist.

Auch wenn die vollständige praktische Umsetzung dieser Idee noch Zukunftsmusik ist, zeigt sie, wohin Schmidhuber denkt: weg von statischen Algorithmen hin zu Systemen, die ihre eigene Weiterentwicklung in die Hand nehmen.

Zeithorizonte: 2029, 2042 und die nächsten 13 Jahre

Im Gespräch zeichnet Schmidhuber eine grobe Zukunftszeitlinie, mit einigen markanten Eckpunkten. Besonders häufig fallen dabei zwei Jahre:

• 2029: Hier verortet er einen möglichen Wendepunkt, an dem KI‑Systeme in vielen Bereichen menschliche Fähigkeiten erreichen oder übertreffen. Das betrifft nicht nur Sprache und Text, sondern auch Planung, Problemlösen und komplexe Entscheidungsfindung.
• 2042: In diesem Zeitraum sieht er das Potenzial für eine tiefgreifende Robotik‑Revolution. Bis dahin könnten Roboter nicht nur alltägliche Aufgaben übernehmen, sondern auch in großem Maßstab beginnen, andere Roboter zu bauen und zu warten.

Die zugespitzte Aussage: Die nächsten etwa 10–15 Jahre könnten mehr Veränderungen bringen als viele Jahrtausende menschlicher Zivilisation zuvor. Wenn intelligente, lernende Systeme mit Robotik verschmelzen und sich Produktionsprozesse weitgehend selbst organisieren, stehen wir vor einer völlig neuen Phase der Geschichte.

Natürlich sind diese Daten keine exakten Vorhersagen, sondern bewusst grobe Abschätzungen. Die Richtung ist jedoch klar: Schmidhuber rechnet fest damit, dass wir noch in diesem Jahrhundert – und wahrscheinlich deutlich früher – eine Phase erleben, die man als Intelligenzexplosion bezeichnen könnte.

Was bedeutet das für uns heute?

Für Leserinnen und Leser, die sich fragen, was sie mit all dem konkret anfangen sollen, lassen sich aus Schmidhubers Aussagen einige praktische Leitlinien ableiten:

1. KI ernst nehmen, nicht verdrängen
   KI ist kein kurzfristiger Hype, sondern eine grundlegende Technologie, ähnlich wie Elektrizität oder das Internet. Wer sie ignoriert, nimmt bewusst einen Wettbewerbsnachteil in Kauf.
2. Berufswege neu denken
   Die traditionelle Trennung „Kopfarbeit = sicher, Handarbeit = unsicher“ stellt sich auf den Kopf. Berufe, die schwer zu automatisieren sind und direkten physischen Bezug haben, gewinnen an Bedeutung.
3. Bildung anpassen
   Schulen, Universitäten und Weiterbildung müssen weg von reiner Wissensabfrage hin zu Kompetenzen, die über das hinausgehen, was KI leicht leisten kann: Kreativität, Problemlösen, soziale Intelligenz, Systemverständnis.
4. Offenheit für lebenslanges Lernen
   In einer Welt, die sich in Jahrzehnten stärker verändert als früher in Jahrhunderten, wird lebenslanges Lernen zur Grundvoraussetzung – unabhängig vom Alter.

Fazit: Die vielleicht wichtigste Dekade der Menschheitsgeschichte

Jürgen Schmidhuber sieht uns an der Schwelle zu einer der tiefgreifendsten Veränderungen, die die Menschheit je erlebt hat. Viele seiner Ideen – von LSTM über künstliche Neugier bis hin zur Gödelmaschine – haben die Grundlage gelegt für das, was wir heute unter moderner KI verstehen. Jetzt, da Rechenleistung und Daten in nie dagewesenem Ausmaß verfügbar sind, beginnen diese Konzepte, die Realität zu verändern.

Ob wir die kommenden Entwicklungen als Bedrohung oder Chance erleben, hängt stark davon ab, wie bewusst wir damit umgehen: als Gesellschaft, als Organisationen – und ganz persönlich im eigenen Berufs- und Alltagsleben. Klar ist aus seiner Sicht: Zurück in eine Welt ohne KI wird es nicht mehr gehen. Die Frage ist nur, wie wir die kommenden Jahre gestalten.

Infos zur Person / Jürgen Schmidhuber

Der Beitrag KI, Roboter, Singularität: Jürgen Schmidhubers Prognosen erschien zuerst auf RENE.KI.

Der Beitrag The AI Revolution Is Underhyped | Eric Schmidt | TED erschien zuerst auf RENE.KI.

Der Beitrag Künstliche Intelligenz – Ist der Mensch bald überflüssig? | Sternstunde Philosophie | SRF Kultur erschien zuerst auf RENE.KI.

Der Beitrag Wie gefährlich ist KI? – Sascha Lobo, Alena Buyx und Jonas Andrulis im Spitzengespräch | DER SPIEGEL erschien zuerst auf RENE.KI.

Der Beitrag Künstliche Intelligenz – Haben Maschinen Gefühle?| Doku ARTE erschien zuerst auf RENE.KI.

Der Beitrag Aus der Welt der KI-Giganten erschien zuerst auf RENE.KI.

Der Beitrag Google veröffentlicht Mangle erschien zuerst auf RENE.KI.

Was ist Apertus?

Ein vollständig offenes, mehrsprachiges LLM der EPFL, ETH Zürich und des CSCS (Swiss National Supercomputing Centre). Veröffentlichung am 2. September 2025; Ziel: Transparenz, Compliance und digitale Souveränität. Verfügbar über Hugging Face und Partnerplattformen.

Varianten & Lizenz

Zwei Größen: 8B und 70B Parameter. Lizenz Apache-2.0; zusätzlich gilt eine Acceptable Use Policy (AUP).

Sprachen

Training auf > 1.000 Sprachen (40 % nicht-englisch), inkl. Schweizerdeutsch und Rätoromanisch. Die Model-Cards nennen 1.811 „nativ unterstützte Sprachen“ – je nach Quelle also „> 1.000“ bis „~1.800+“.

Architektur & Training

Decoder-only-Transformer, 15 Billionen Tokens Vortraining (Web/Code/Mathe, gestuftes Curriculum). xIELU-Aktivierung, AdEMAMix-Optimizer; Post-Training via SFT und QRPO. Kontextlänge: bis 65.536 Tokens; Tool-Use/Agent-Hooks vorgesehen.

Recheninfrastruktur

Training u. a. auf 4096 × NVIDIA GH200 (bf16) auf dem CSCS-Supercomputer Alps. Die Finanzierung nennt > 10 Mio. GPU-Stunden.

Benchmarks (Auszug, Pretraining-Phase)

Apertus-70B liegt beim gemittelten Wert ~67,5 % (ARC/HellaSwag/WinoGrande/XNLI/XCOPA/PIQA), in Reichweite offener Top-Modelle wie Llama 3.1-70B (~67,3 %). Vollständige Tabellen siehe Model-Card/Tech-Report.

Transparenz & Compliance

Offene Gewichte, Daten-Pipelines, Trainingsrezepte & Zwischen-Checkpoints – vollständig dokumentiert.

Training auf öffentlich zugänglichen Daten mit Respektierung von Robots/Opt-out; Ausrichtung an EU-AI-Act-Transparenz.

Verfügbarkeit & Einsatz

Hugging Face (Apertus-8B/70B & Instruct-Varianten). Läuft out-of-the-box mit Transformers ≥ v4.56, vLLM, SGLang sowie MLX (Apple/on-device).

Swisscom Swiss AI-Plattform (Business-Zugriff in CH) und Public AI Inference Utility (globaler Zugriff).

Wofür besonders geeignet?

Öffentlicher Sektor & regulierte Branchen: Hohe Nachvollziehbarkeit/Compliance, EU-konform.

Mehrsprachige Anwendungen: Chatbots, Übersetzung, Bildung/Onboarding – v. a. für unterrepräsentierte Sprachen.

Forschung & Open-Source-Ökosystem: Reproduktion, Fine-tuning, Ableitungen/Quantisierung (8B für Edge/On-Prem).

Grenzen / Hinweise

Leistungsfähig, aber (noch) nicht auf Niveau der stärksten proprietären Modelle; die Projektziele sind Vertrauen & Souveränität, nicht Bench-Siege. Nutzung erfordert kritische Prüfung der Ausgaben (Bias/Halluzinationen).

Weiter Informationen unter:

https://ethz.ch/content/dam/ethz/main/news/eth-news/2025/09/250902-llm/MM_Apertus_LLM_de.pdf

Der Beitrag Apertus: Ein vollständig offenes, transparentes und mehrsprachiges Sprachmodell aus der Schweiz erschien zuerst auf RENE.KI.